/ Модель

Характеристики

Лицензия
fair-noncommercial-research-license
Библиотека
timm
Опубликована
27 мая 2026

convnext_small.eupe_lvd1689m

Эмбеддинги изображенийИзображение → embedding3 профессии

Визуальный энкодер ConvNeXt-Small извлекает признаки и эмбеддинги изображений для компьютерного зрения.

500скачиваний за 30 дней0лайковвеса обновлены27 мая 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

timm/convnext_small.eupe_lvd1689m — визуальный энкодер признаков на архитектуре ConvNeXt-Small из библиотеки PyTorch Image Models (timm). Модель разработана с применением метода Efficient Universal Perception Encoder и дистиллирована на датасете LVD-1689M от прокси-преподавателя, обученного на основе нескольких специализированных визуальных моделей. В ней около 49,5 млн параметров; рекомендуемый размер изображения — 256 × 256 пикселей.

Энкодер извлекает карты признаков и векторные представления изображений, которые можно использовать в качестве основы для классификации и других задач компьютерного зрения. В сравнительной таблице карточки приведены результаты для визуально-языковых и пространственных бенчмарков, однако сама модель обозначена как энкодер изображений и не заявлена как генеративная или мультимодальная модель для диалога. Весы доступны в формате Safetensors. Лицензия FAIR Noncommercial Research License ограничивает использование некоммерческими исследовательскими целями.

Сценарии применения

  • извлечение признаков из изображений
  • получение эмбеддингов изображений для поиска по визуальному сходству
  • извлечение карт признаков для последующей обработки
  • использование визуальных представлений в классификаторе изображений

Ограничения

Модель предназначена для извлечения визуальных признаков; карточка не заявляет генерацию текста или самостоятельный диалоговый интерфейс. Лицензия FAIR Noncommercial Research License ограничивает использование некоммерческими исследовательскими целями.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model card for convnext_small.eupe_lvd1689m

An EUPE ConvNeXt image feature encoder. Distilled on LVD-1689M using the Efficient Universal Perception Encoder method, from a proxy teacher distilled from multiple domain-expert foundation vision encoders.

Model Details

Model Usage

Image Classification

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(urlopen(
    'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

model = timm.create_model('convnext_small.eupe_lvd1689m', pretrained=True)
model = model.eval()

# get model specific transforms (normalization, resize)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0))  # unsqueeze single image into batch of 1

top5_probabilities, top5_class_indices = torch.topk(output.softmax(dim=1) * 100, k=5)

Feature Map Extraction

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(urlopen(
    'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

model = timm.create_model(
    'convnext_small.eupe_lvd1689m',
    pretrained=True,
    features_only=True,
)
model = model.eval()

# get model specific transforms (normalization, resize)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0))  # unsqueeze single image into batch of 1

for o in output:
    # print shape of each feature map in output
    # e.g.:
    #  torch.Size([1, 96, 64, 64])
    #  torch.Size([1, 192, 32, 32])
    #  torch.Size([1, 384, 16, 16])
    #  torch.Size([1, 768, 8, 8])

    print(o.shape)

Image Embeddings

from urllib.request import urlopen
from PIL import Image
import timm

img = Image.open(urlopen(
    'https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/beignets-task-guide.png'
))

model = timm.create_model(
    'convnext_small.eupe_lvd1689m',
    pretrained=True,
    num_classes=0,  # remove classifier nn.Linear
)
model = model.eval()

# get model specific transforms (normalization, resize)
data_config = timm.data.resolve_model_data_config(model)
transforms = timm.data.create_transform(**data_config, is_training=False)

output = model(transforms(img).unsqueeze(0))  # output is (batch_size, num_features) shaped tensor

# or equivalently (without needing to set num_classes=0)

output = model.forward_features(transforms(img).unsqueeze(0))
# output is unpooled, a (1, 768, 8, 8) shaped tensor

output = model.forward_head(output, pre_logits=True)
# output is a (1, num_features) shaped tensor

Model Comparison

See the associated paper for details on the evaluation protocols.

ModelParamsTextVQASQARealworldPOPEGQAMMEpSPairNYUv2ADE20k
EUPE-ConvNeXt-T29M43.768.847.983.463.01278.141.30.43043.5
EUPE-ConvNeXt-S50M45.068.950.584.064.71284.240.10.38846.8
EUPE-ConvNeXt-B89M46.470.153.384.765.81348.937.70.36548.9

Citation

@misc{zhu2026eupe,
  title={Efficient Universal Perception Encoder},
  author={Zhu, Chenchen and Suri, Saksham and Jose, Cijo and Oquab, Maxime and Szafraniec, Marc and Wen, Wei and Xiong, Yunyang and Labatut, Patrick and Bojanowski, Piotr and Krishnamoorthi, Raghuraman and Chandra, Vikas},
  year={2026},
  eprint={2603.22387},
  archivePrefix={arXiv},
  primaryClass={cs.CV},
  url={https://arxiv.org/abs/2603.22387},
}
@article{liu2022convnet,
  author  = {Zhuang Liu and Hanzi Mao and Chao-Yuan Wu and Christoph Feichtenhofer and Trevor Darrell and Saining Xie},
  title   = {A ConvNet for the 2020s},
  journal = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
  year    = {2022},
}
@misc{rw2019timm,
  author = {Ross Wightman},
  title = {PyTorch Image Models},
  year = {2019},
  publisher = {GitHub},
  journal = {GitHub repository},
  doi = {10.5281/zenodo.4414861},
  howpublished = {\url{https://github.com/huggingface/pytorch-image-models}}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · timm · image-feature-extraction

Можно запустить

Подбираем GPU…

Ревизия весов
1ca3e85

0 моделей